FIG-OP：在固定时间预算下探索大规模未知环境
机器人学
2022-03-15 v1
摘要
我们提出一种在任务时间约束下自主探索大规模未知环境的方法。我们首先提出前置信息增益定向问题（FIG-OP）——传统定向问题的推广，其中可靠环境模型的假设不再成立。FIG-OP通过添加贪婪激励前置期望信息增益来处理模型不确定性，有效加快新区域被揭示的时刻。为在数公里尺度环境中进行推理，我们在一个信息高效的世界表示上求解FIG-OP，该表示通过聚合拓扑地图与度量地图的信息构建。我们的方法在各种复杂环境（从地铁系统到矿井）中进行了广泛测试与实地验证。在对比仿真中，我们观察到FIG-OP解相比贪婪方法和传统基于定向方法（即分别对应严重与极小模型不确定性假设）生成的解表现出更优的覆盖效率。
引用
@article{arxiv.2203.06316,
title = {FIG-OP: Exploring Large-Scale Unknown Environments on a Fixed Time Budget},
author = {Oriana Peltzer and Amanda Bouman and Sung-Kyun Kim and Ransalu Senanayake and Joshua Ott and Harrison Delecki and Mamoru Sobue and Mykel Kochenderfer and Mac Schwager and Joel Burdick and Ali-akbar Agha-mohammadi},
journal= {arXiv preprint arXiv:2203.06316},
year = {2022}
}
备注
9 pages, 8 figures, 1 table